60 Adapun kriteria perusahaan yang dijadikan sampel dalam penelitian ini
adalah sebagai berikut: 1.
Perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia BEI selama periode penelitian 2005-2009.
2. Perusahaan tersebut sudah terdaftar di BEI sebelum 2005.
3. Perusahaan tidak delisting atau keluar dari BEI selama periode
pengamatan. 4.
Penerbitkan laporan keuangan yang telah diaudit oleh auditor independen per 31 Desember dari tahun 2005-2009.
5. Laporan keuangan tersebut terdapat informasi yang lengkap terkait
dengan semua variabel yang diteliti.
C. Metode Pengumpulan Data
Jenis dan sumber data yang digunakan dalam penelitian ini menggunakan jenis dan sumber data sekunder. Data sekunder merupakan
sumber data penelitian yang diperoleh peneliti secara tidak langsung melalui media perantara diperoleh dan dicatat oleh pihak lain. Data sekunder
umumnya berupa bukti, catatan atau laporan historis yang telah tersusun dalam arsip data dokumenter yang dipublikasikan dan yang tidak
dipublikasikan Indriantoro dan Supomo, 2009:147. Data sekunder yang digunakan berupa laporan keuangan perusahaan
manufaktur yang go public dan terdaftar di BEI pada tahun 2005-2009 yang telah dipublikasikan. Data tersebut diperoleh dari www.idx.co.id dan Pusat
61 Referensi Pasar Modal BEI. Pemilihan BEI sebagai sumber pengambilan data
dengan alasan BEI merupakan bursa efek terbesar dan representative di Indonesia, dimana dalam tahun 2005 hingga 2009 dianggap cukup mewakili
kondisi BEI yang relatif normal.
D. Metode Analisis Data
Metode statistik yang digunakan untuk menganalisis data dan menguji hipotesis yaitu dengan menggunakan statistik deskriptif dan regresi logistik
dengan menggunakan bantuan perangkat lunak Microsoft Excel 2007 dan SPSS versi 16.0.
1. Statistik Deskriptif
Statistik deskriptif digunakan untuk menjelaskan earning management, yaitu small profit firms dan small loss firms untuk setiap
variabel independen dalam model penelitian Suranggane, 2007. Penelitian statistik deskriptif memberikan gambaran atau deskriptif
suatu data yang dapat dilihat dari nilai rata-rata mean, standar deviasi, varians, maksimum, minimum, sum, range, kurtosis, dan skewness
kemencengan distribusi Ghozali, 2009:19. 2.
Pengujian Hipotesis Pengujian hipotesis dilakukan dalam penelitian ini dengan
menggunakan regresi logistik biner binary logistic regression, yang variabel bebasnya merupakan kombinasi antara metrik dan nonmetrik
nominal.
62 Persamaan model regresi logistik biner yang digunakan adalah
sebagai berikut:
Keterangan :
Ln
EM EM
1
= earning management variabel dummy
α =
konstanta CAPT
= cadangan aktiva pajak tangguhan dari perubahan nilai aktiva pajak tangguhan pada akhir periode t dengan t-1
dibagi nilai aktiva pajak tangguhan periode t. DTE
= beban pajak tangguhan perusahaan pada tahun t dibagi dengan total asset pada akhir tahun t-1.
ACC = total akrual perusahaan I pada tahun t.
ε =
kesalahan residual
a. Menilai Model Fit Analisis pertama yang dilakukan adalah menilai overall fit
model terhadap data. Hipotesis untuk menilai model fit adalah : H
: Model yang dihipotesiskan fit dengan data H
a
: Model yang dihipotesiskan tidak fit dengan data
Ln
EM EM
1
= α + β
1
CAPT + β
2
DTE + β
3
ACC + ε
63 Berdasarkan dipotesis ini, maka H
harus diterima dan H
a
harus ditolak agar model fit dengan data. Statistik yang digunakan berdasarkan fungsi likelihood. Likelihood L dari model adalah
probabilitas bahwa model yang dihipotesiskan menggambarkan data input. Untuk menguji hipotesis nol dan alternatif, L
ditransformasikan menjadi – 2LogL. Statistik -2LogL atau rasio x
2
statistics, dimana x
2
distribusi dengan degree of freedom n-q, q adalah jumlah parameter Ghozali, 2009:268.
Output SPSS memberikan dua nilai -2LogL yaitu satu untuk model yang hanya memasukkan konstanta dan yang kedua untuk
model dengan konstanta dan variabel bebas Ghozali, 2009:268. Dengan alpha 5, cara menilai model fit ini adalah sebagai
berikut: 1. Jika nilai -2LogL 0,05 maka H
ditolak dan H
a
diterima, yang berarti bahwa model fit dengan data.
2. Jika nilai -2LogL 0,05 maka H diterima dan H
a
ditolak, yang berarti bahwa model tidak fit dengan data.
Adanya pengurangan nilai antara -2LogL awal initial –
2LogL function dengan nilai -2LogL pada langkah berikutnya menunjukkan bahwa model yang dihipotesiskan fit dengan data
Ghozali, 2009:269. Log Likelihood pada regresi logistik mirip dengan pengertian ―Sum of Square Error” pada model regresi,
64 sehingga penurunan Log Likelihood menunjukkan model regresi
semakin baik. b. Uji Chi Squre Hosmer Lameshows Goodnes
Kelayakan model regresi dinilai dengan menggunakan uji Chi Squre Hosmer and Lameshows Goodness of Fit Test. Jika nilai
statistik Hosmer and Lameshow’s Goodness of Fit lebih besar
daripada 0,05 maka hipotesis nol tidak dapat ditolak dan berarti model mampu memprediksi nilai observasinya atau dapat
dikatakan model dapat diterima karena sesuai dengan data observasinya Ghozali, 2009:269.
c. Koefisien Cox Snell R Square and Nagelkerke Koefisien Cox Snell R Square and Nagelkerke
merupakan ukuran koefisien R2 pada regresi linier berganda yang didasarkan pada teknik estimasi Likelihood dengan nilai
maksimum kurang dari 1 sehingga sulit diinterpretasikan. Nagel R square merupakan modifikasi dari koefisien cox snell R2 untuk
memastikan bahwa nilainya bervariasi dari 0-1 Uyanto, 2006:236. d. Tabel Klasifikasi
Tabel klasifikasi menghitung nilai estimasi yang benar correct dan salah incorrect. Tabel ini menunjukkan kekuatan
prediksi dari variabel dependen yaitu earning management.
65 e. Uji Wald Statistic
Uji Wald pada tabel variables in the aquation digunakan untuk menguji apakah masing-masing koefisien regresi logistik
signifikan. Uji Wald sama dengan kuadrat dari rasio koefisien regresi logistik B dan standar error S.E dengan tingkat signifikansi
α 0,05 Uyanto, 2006:236. f.
Estimasi Parameter dan pembahasan Estimasi parameter dilihat melalui koefisien regresi.
Koefisien regresi dari tiap variabel-variabel yang diuji menunjukkan bentuk hubungan antara variabel. Pengujian
hipotesis dilakukan dengan cara membandingkan antara nilai probabilitas sig dengan tingkat signifikansi
α Santosa dan Wedari, 2006.
E. Operasionalisasi Variabel Penelitian
